"Digunakannya big data benar-benar membuat semua (data) tersedia dan pengetahuan baru hadir sedemikian pesatnya. Ini bisa menutup gap dari suatu data," kata Erwin di Nusa Dua, Bali, Kamis, 26 Juli 2018.
Dia menambahkan kedepannya big data akan membuat suatu instansi tak akan lagi bergantung ke data statistik dari sensus yang biasanya dipublikasikan selama tiga bulanan atau kuartalan. "Ini penting untuk kepentingan analisis. Kita bisa memprediksi behavioral konsumen secara lebih cepat," tutur Erwin.
Erwin menjelaskan bahwa big data memanfaatkan informasi dari berita online dan data shopping online yang nantinya akan diverifikasi. Salah satu contoh pengunaannya adalah dengan mengmabil data perdagangan dari transaksi perdagangan melalui e-commerce serta melalui sosial media. Setelah itu akan ada proses cleaning dari pemberitaan dan kemudian akan disusun menjadi sebuah paket kebijakan moneter.
Kemudian BI juga melakukan pemetaan keterkaitan antarpelaku keuangan (termasuk di dalamnya bank, lembaga keuangan nonbank, maupun korporasi) secara lebih baik melalui pemanfaatan Network Analysis guna memitigasi risiko sistemik di sistem keuangan.
"Big data juga dapat memantau ekspektasi dan persepsi publik atas kebijakan Bank Indonesia secara lebih akurat. Dalam proses membangun pondasi yang kokoh untuk pemanfaatan Big Data Analytics," ungkap dia.
BI pun telah melaksanakan sejumlah pilot project yang menggunakan data lewat big data. Salah satunya adalah Indikator Job Vacancy, Proyek ini menggunakan sumber data tidak terstruktur (unstructured data) berupa teks iklan lowongan pekerjaan di portal lowongan pekerjaan online dan media cetak. Dengan menggunakan metodologi Big Data Analytics, text mining, dihasilkan indeks lowongan pekerjaan yang tersedia lebih cepat secara bulanan, perkembangan lowongan pekerjaan per jenis pekerjaan, per sektor, per lokasi pekerjaan.
Indikator Pasar Properti memanfaatkan data tidak terstruktur (unstructured data) berupa teks iklan penjualan properti yang terdapat di portal properti online. Dengan menggunakan menggunakan metodologi Big Data Analytics text mining, dihasilkan indeks harga dan indeks suplai properti yang tersedia lebih cepat secara bulanan. Indikator sebagai pelengkap dari hasil Survei Harga Properti Residensial (SHPR) yang tersedia secara triwulanan.
Identifikasi Struktur Keterkaitan Pelaku dalam Sistem Pembayaran. Proyek ini adalah salah satu proyek yang menggunakan sumber data terstruktur (data administrasi) berupa data transaksi BI-RTGS. Dari data tersebut dilakukan identifikasi struktur keterkaitan antarpelaku transaksi dengan menggunakan metode Network Analysis dan Machine Learning, yang kemudian digunakan sebagai indikator untuk surveillance dalam rangka memitigasi risiko sistemik di sistem keuangan.
Kemudian, identifikasi persepsi masyarakat terhadap perekonomian Indonesia maupun ekspektasi masyarakat terhadap kebijakan Bank Indonesia Dalam proyek ini, salah satunya adalah dihasilkan indikator ketidakpastian (uncertainty) atas kebijakan ekonomi yang disebut indeks Economic Policy Uncertainty (EPU). Indeks ini dibangun dengan menggunakan metode Text Mining terhadap pemberitaan di media massa, dengan basis penelitian yang dilakukan oleh Baker (2016) yang mengembangkan indeks EPU untuk Amerika Serikat.
Cek Berita dan Artikel yang lain di
Google News
